Question

假设我想从数据框中选择一系列列：将它们称为＆＃39; column_1＆＃39;通过＆＃39; column_60＆＃39;。我知道我可以使用这样的loc： df.loc[:, 'column_1':'column_60'] 这将为我提供1-60列中的所有行。

但是，如果我想要这一系列的列加上＆＃39; column_81＆＃39;。这没有工作： df.loc[:, 'column_1':'column_60', 'column_81']

它引发了太多的索引者＆＃34;错误。有没有另一种方法来说明使用loc？或者在这种情况下甚至是最好的功能？

非常感谢。

Answer 1

怎么样

df.loc[:, [f'column_{i}' for i in range(1, 61)] + ['column_81']]

或

df.reindex([f'column_{i}' for i in range(1, 61)] + ['column_81'], axis=1)

如果您想填充缺失的列，如果有，则使用默认的NaN值。

Answer 2

您可以使用pandas.concat（）：

pd.concat([df.loc[:,'column_1':'columns_60'],df.loc[:,'column_81']],axis=1)

Answer 3

您可以使用numpy.r_将范围与标量组合在一起。唯一的复杂因素是您需要使用pd.DataFrame.iloc，但这可以通过df.columns.get_loc来促进。

这是一个演示：

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=['column'+str(i) for i in range(1, 82)])

colidx = df.columns.get_loc

res = df.iloc[:, np.r_[colidx('column1'):colidx('column5'), colidx('column80')]]

print(res.columns)

Index(['column1', 'column2', 'column3', 'column4', 'column80'], dtype='object')

Answer 4

您可以使用numpy串联函数。假设您知道可以使用的列顺序：

df.loc[:,df.columns[np.concatenate([np.arange(1,60),np.array(81)],axis=None)]]

这将为您提供数据框的1:60列和第81列。

你能用loc来选择一系列的列加上一个超出范围的列吗？

4 个答案: